VlogReward：为Vlog剪辑学习多维评估

Vlog作为一种个性化叙事媒介迅速兴起，催生了对自动化系统来评估和改进Vlog剪辑方案的需求。然而，由于缺乏标准化准则、数据集与基准以及有效的奖励模型，Vlog评估高度主观且仍然充满挑战。为应对这些挑战，我们在专业Vlog创作者和产品经理的指导下定义了一个全面的Vlog评估框架，建立了六个关键维度的分类体系，即创意（Creativity）、一致性（Consistency）、概念设计（Concept Design）、镜头语言（Cinematography）、叙事（Narration）与节奏（Pacing）。随后，我们构建了一个包含10万条Vlog剪辑的大规模数据集和一个专用基准VRMBench，用于评估多模态大语言模型（MLLM）的Vlog奖励能力。最后，我们提出VlogReward，一个稳健的Vlog奖励模型，能够同时提供细粒度的多维评分和可用于迭代改进的可操作反馈。在技术上，我们通过引入可调节的组间比较奖励来增强GRPO（Group Relative Policy Optimization）框架，缓解了标准GRPO的“方向盲”（direction blindness）问题，使模型能更好地区分不同质量的剪辑。VlogReward取得了最先进的结果，显著超越包括GPT-5和Gemini-3-Pro在内的现有MLLM。我们希望这项研究能帮助Vlog创作者，并推动自动化Vlog评估与改进系统的发展。